BroadNet Transcribe Arabic की कीमत $0.0042 प्रति ऑडियो मिनट है। BroadNet के अनुसार Open Universal Arabic ASR Leaderboard पर इसकी रैंक 37 में से #2 (यह सितंबर 2026 का आंकड़ा है; 15 नवंबर 2026 को लाइव लीडरबोर्ड पर यह 39 में से #4 था) है, और जिन मॉडलों का लाइसेंस API के ज़रिए सर्व करने की अनुमति देता है, उनमें यह #1 है। दूसरी भाषाओं के लिए BroadNet Transcribe 14 भाषाएँ $0.002 प्रति मिनट पर कवर करता है। देखें BroadNet Transcribe Arabic मॉडल पेज और BroadNet Transcribe मॉडल पेज।
दूसरे प्रोवाइडर सस्ते पड़ सकते हैं। 2026-11-14 को Soniox के कीमतों वाले पेज पर फ़ाइल (async) ट्रांसक्रिप्शन के लिए लगभग USD 0.10 प्रति घंटा और रियल-टाइम के लिए USD 0.12 प्रति घंटा लिखा था, और उसकी भाषा-सूची में अरबी है। यह BroadNet Transcribe Arabic के $0.25 प्रति घंटा से कम है, इसलिए दोनों को अपने ऑडियो पर टेस्ट करें।
curl से
curl https://inference.broadnet.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $BROADNET_API_KEY" \
-F model=broadnet/cohere-transcribe-arabic \
-F language=ar \
-F file=@voice-note.wav
रिस्पॉन्स में ट्रांसक्रिप्ट JSON के रूप में आता है:
{"text": "مرحباً، لقد وصلت إلى البريد الصوتي، اترك رسالتك من فضلك"}
Python से
from openai import OpenAI
import os
client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
with open("voice-note.wav", "rb") as audio:
result = client.audio.transcriptions.create(
model="broadnet/cohere-transcribe-arabic",
file=audio,
language="ar",
)
print(result.text)
language हमेशा भेजें
language के बिना अरबी लैटिन अक्षरों में लिप्यंतरित होकर लौट सकती है। अरबी के लिए language=ar और अंग्रेज़ी के लिए language=en भेजें।
यह कौन-सी अरबी बोलियाँ सँभालता है?
BroadNet के अनुसार BroadNet Transcribe Arabic बोलियों समेत अरबी को कवर करता है, और BroadNet इसके तीन वर्ड एरर रेट प्रकाशित करता है। ये BroadNet के अपने मॉडल कैटलॉग के लैब माप हैं:
| टेस्ट सेट | यह क्या है | वर्ड एरर रेट |
|---|---|---|
| FLEURS-ar | साफ़ पढ़े गए वाक्य | 3.8 |
| MASC-ar | असली दुनिया की मिली-जुली अरबी बोली | 21.1 |
| BroadNet बोली सेट | बोलियों वाली स्पीच | 23.4 |
BroadNet बोली के हिसाब से ब्रेकडाउन प्रकाशित नहीं करता, इसलिए BroadNet के बाहर कोई नहीं बता सकता कि खाड़ी का ऑडियो मिस्री या मग़रिबी के मुक़ाबले कैसा स्कोर करता है। दूसरे प्रोवाइडर कवरेज अलग तरह से बताते हैं। Deepgram, Nova-3 Arabic को क्षेत्रीय कोड के साथ सूचीबद्ध करता है, ar-AE, ar-SA और ar-EG से लेकर ar-MA और ar-IQ तक। Speechmatics एक “Global Arabic” पैक बेचता है, जिसमें Modern Standard Arabic, खाड़ी, मिस्री और लेवेंटाइन स्पीच का नाम है, और साथ में अंग्रेज़ी मिली अरबी के लिए एक ar_en पैक। Soniox अरबी (ar) को बिना बोली के विवरण के सूचीबद्ध करता है।
सूची में दिया कोड मापी गई सटीकता नहीं है। चुनने से पहले हर विकल्प को अपनी क्लिप पर, बोली के हिसाब से समूह बनाकर, स्कोर करें:
- खाड़ी (ख़लीजी): सऊदी, अमीराती, कुवैती, क़तरी स्पीच, अक्सर अंग्रेज़ी प्रोडक्ट नामों के साथ।
- मिस्री: मीडिया में सबसे ज़्यादा समझी जाने वाली बोली।
- लेवेंटाइन: सीरियाई, लेबनानी, जॉर्डनी और फ़िलिस्तीनी स्पीच।
- इराक़ी और मग़रिबी: मोरक्को, अल्जीरिया और ट्यूनीशिया की स्पीच आम तौर पर सबसे मुश्किल होती है।
- Modern Standard Arabic: समाचार और औपचारिक स्पीच, आसान बेसलाइन।
अरबी बोली स्पीच रिकग्निशन गाइड बताती है कि बोलियों का स्कोर ख़राब क्यों आता है, और वर्ड एरर रेट की व्याख्या दिखाती है कि उन्हें स्कोर कैसे करें।
अरबी speech-to-text API की कीमत कितनी है?
नीचे का हर प्रोवाइडर अरबी को सूचीबद्ध करता है। सबसे सस्ता पहले; जहाँ अलग से न लिखा हो, कीमतें पहले से रिकॉर्ड की गई फ़ाइलों की हैं, और 2026-11-14 को जाँची गईं:
| प्रोवाइडर और मॉडल | प्रति मिनट | प्रति घंटा | बताया गया अरबी कवरेज |
|---|---|---|---|
| Soniox, async (फ़ाइल) | लगभग USD 0.0017 | लगभग USD 0.10 | अरबी (ar) |
| Soniox, रियल-टाइम | लगभग USD 0.002 | लगभग USD 0.12 | अरबी (ar) |
| BroadNet Transcribe (14 भाषाएँ) | $0.002 | $0.12 | 14 भाषाओं में अरबी |
| BroadNet Transcribe Arabic | $0.0042 | $0.25 | बोलियों समेत अरबी (BroadNet के अनुसार) |
| Deepgram, Nova-3 monolingual | USD 0.0043 | USD 0.258 | ar और क्षेत्रीय कोड |
| Speechmatics, Standard | USD 0.0075 | USD 0.45 | Global Arabic, ar_en |
| Speechmatics, Enhanced | USD 0.0125 | USD 0.75 | Global Arabic, ar_en |
स्रोत: Soniox की कीमतें (बिलिंग प्रति टोकन; प्रति घंटा आँकड़े Soniox के अपने अनुमान हैं), Deepgram की कीमतें और Speechmatics की कीमतें। Soniox दोनों BroadNet मॉडलों से सस्ता है, और BroadNet रियल-टाइम स्ट्रीमिंग डॉक्यूमेंट नहीं करता। BroadNet के पक्ष में हैं अरबी के लिए ख़ास मॉडल, उसकी बताई गई लीडरबोर्ड रैंक और ज़ीरो डेटा रिटेंशन। ज़्यादा प्रोवाइडर के लिए हमारा खुला speech-to-text API कीमत इंडेक्स देखें, जिसमें 20 से ज़्यादा प्रोडक्ट की batch और स्ट्रीमिंग कीमतें और अरबी सपोर्ट हैं, हर एक के स्रोत और तारीख़ के साथ (CSV और JSON)। अतिरिक्त ख़र्चों के लिए speech-to-text API कीमतों की तुलना देखें; अपने वॉल्यूम की कीमत निकालने के लिए स्पीच-टू-टेक्स्ट लागत कैलकुलेटर इस्तेमाल करें।
सीमाएँ
- WAV या MP3, प्रति फ़ाइल 26,214,400 बाइट (25 MiB) तक। बड़ी फ़ाइल पर 413 आता है; पहले उसे टुकड़ों में बाँटें।
- उपयोग के अनुसार भुगतान वाली key प्रति मिनट 30 अनुरोध और एक साथ 4 अनुरोधों की अनुमति देती है।
- दोनों ट्रांसक्रिप्शन मॉडल $5 के मुफ़्त शुरुआती क्रेडिट पर चलते हैं, इसलिए पैसे देने से पहले आप अपनी रिकॉर्डिंग टेस्ट कर सकते हैं।
समस्या निवारण
- अरबी लिपि की जगह लैटिन अक्षर.
language=arजोड़ें। - 400 या 422. फ़ील्ड के नाम (
model,language,file) जाँचें, और यह भी कि फ़ाइल सचमुच WAV या MP3 है। नाम बदली हुई.oggफ़ेल होती है; उसे ffmpeg से कन्वर्ट करें। - 413. फ़ाइल 26,214,400 बाइट से बड़ी है। उसे 16 kHz mono WAV या MP3 में बदलें, या छोटे टुकड़ों में बाँटें।
- पेड अकाउंट पर 401. key और उपयोग के अनुसार भुगतान वाली सीमा जाँचें। देखें BroadNet एरर कोड और रीट्राई।
- बोली वाली या शोर भरी कॉल पर कमज़ोर सटीकता. BroadNet के अपने बोली टेस्ट सेट का स्कोर साफ़ पढ़ी गई स्पीच से ख़राब है (FAQ देखें)। अपने असली ऑडियो के एक सैंपल पर टेस्ट करें और वर्ड एरर रेट मापें।
WhatsApp वॉइस नोट .ogg में आते हैं। WhatsApp वॉइस नोट एक ही क़दम में कन्वर्ट और ट्रांसक्राइब करें। अगर आपको शोर भरे ऑडियो में नंबर, तारीख़ें और नाम चाहिए, तो BroadNet अनुरोध पर एक फ़ाइन-ट्यून किया गया अरबी मॉडल देता है।
